Python numpy生成矩阵基础用法实例代码

1、numpy.array() 可以把列表转换为矩阵

numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)

    value = [[1, 2, 3], [1, 2, 3]]
    print(value)
    x = np.array(value)
    print(x)

[[1, 2, 3], [1, 2, 3]]
[[1 2 3]
 [1 2 3]]

2、numpy.arange() 生成一个向量

可设置三个参数，第一个为开始，第二个为结束，最后一个为步长，可省略开始与步长，默认从0开始，取值范围左闭右开

numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)

中括号的意思表示这个参数可以省略

    x = np.arange(12)
    print(x)
    y = np.arange(10, 12)
    print(y)
    z = np.arange(10, 12, 2)
    print(z)

[ 0  1  2  3  4  5  6  7  8  9 10 11]
[10 11]
[10]

3、numpy.ones() 生成一个全是1的矩阵， 里面填入矩阵范围

numpy.ones(shape, dtype=None, order='C', *, like=None)

x = np.ones((3, 4))
print(x)

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

 这里提一嘴输出里有点是因为dtype属性默认为float,如果改成int就会没有，下面的函数同理

    z = np.ones((3, 4), dtype=int)
    print(z)

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

4、numpy.zeros() 生成一个全是0的矩阵， 里面填入矩阵范围

numpy.zeros(shape, dtype=float, order='C', *, like=None)

    x = np.zeros((3, 4))
    print(x)

[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]

5、numpy.eye()  可填入两个参数分别代表行和列，也可只填一个参数，即为方阵

numpy.eye(N, M=None, k=0, dtype=<class 'float'>, order='C', *, like=None)

    x = np.eye(3)
    print(x)
    y = np.eye(3, 4)
    print(y)

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]]

6、numpy.empty() 返回一个没有经过初始化的一个矩阵

numpy.empty(shape, dtype=float, order='C', *, like=None)

    x = np.empty((3, 4))
    print(x)

[[6.23042070e-307 2.22523004e-307 1.24610994e-306 1.60219035e-306]
 [1.24611674e-306 2.22522597e-306 1.33511969e-306 1.39071021e-307]
 [1.78018403e-306 1.78018403e-306 8.34426464e-308 2.22522596e-306]]

7、numpy.linspace  返回在指定的范围内确定个数的等间距的一组数的向量

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

可以看到默认是50个

    X = numpy.linspace(1, 10, 10)
    print(X)
    x = numpy.linspace(1, 50)
    print(x)

[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10.]
[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17. 18.
 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 36.
 37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50.]

更多的方法以及详细内容可以移步Routines — NumPy v1.23.dev0 Manual

补充：矩阵的逆矩阵

若两个矩阵A / B满足: AB = BA = E (E为单位矩阵). 则称A与B互为逆矩阵.

单位矩阵E: 主对角线为1, 其他元素都为0.

矩阵求逆的API：

mi = m.I  
mi = np.linalg.inv(m)

矩阵求逆时, 若把方阵推广到非方阵, 则称为矩阵的广义逆矩阵.

案例: 求斐波那契数列

x      1 1   1 1   1 1   
      1 0   1 0   1 0  
----------------------------------
1 1   2 1   3 2   5 3
1 0   1 1   2 1   3 2  ...

m = np.mat('1 1; 1 0')
for i in range(1, 30):
    print((m**i)[0,1], end=' ')
1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181 6765 10946 
17711 28657 46368 75025 121393 196418 317811 514229

总结

到此这篇关于Python numpy生成矩阵基础用法的文章就介绍到这了,更多相关Python numpy生成矩阵内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！